《计算机组成原理》| 第八九十章 CPU（控制器） 知识梳理

于 2020-06-19 23:54:52 发布
阅读量369 收藏 1
点赞数
分类专栏： 计算机组成原理
原文链接：https://blog.csdn.net/qq_41523096/article/details/86533527
版权

CPU（控制器）

目录

CPU（控制器）

8.1     CPU的基本功能与组成（8.1）

储存数据的  存储地址和存数据的结构上属于内存，放到CPU是为了速度快

8.2     时序系统和控制方式（8.2  8.3  9）

8.3     控制器：组合逻辑设计（10）

8.4    控制器：微程序设计（10）

 

 

1. CPU的功能及结构 2. CPU内部的寄存器及其功能 3. 指令周期、机器周期、时钟周期概念及定义 4. 指令流水及影响指令流水的因素 5. 中断的响应优先级和处理优先级

 

 

 

8.1     CPU的基本功能与组成（8.1）

储存数据的  存储地址和存数据的结构上属于内存，放到CPU是为了速度快

运算器有 累加器  运算结果状态寄存器

控制器有 存指令地址的和存指令的

8.2     时序系统和控制方式（8.2  8.3  9）

 

 

8.3     控制器：组合逻辑设计（10）

 

 

8.4    控制器：微程序设计（10）

 

 

博客
栅格数据实现最优参数地理探测器（OPGD）详细教程！
06-17 5438
届时，你已经把所有因变量与自变量的关系都运行出来了，每一对都有一个Q值和P值，根据Q值的大小可以进行后续分析，这里也不对原理做过多解释了，P值主要是用于显著性检验的。此时，在RStudio右下方的“Packages”中，可以看到raster包以及其所依赖的sp包都处于选中的状态，表明二者都已经配置成功，且完成导入。注意了，上面代码的参数还是需要你自己改的，比如离散分割方法，尺度范围等等。你需要到相应的网站去下载你的研究区的自变量和因变量数据的栅格数据（可以是离散的，也可以是连续的）
博客
无需人工标注！GEE自动生成湿地样本并提取10米分类数据 完整代码分享
04-30 723
Irtysh河流域横跨蒙古、中国、哈萨克斯坦和俄罗斯，面积约165万平方千米。结合非监督分类和样本转移技术，利用OORF算法进行湿地提取。使用K-means算法进行初始非监督分类，生成训练样本。通过光谱相似性度量进行样本转移，增强训练数据的鲁棒性。以2020年的GWL_FCS30产品为参考数据集，通过计算目标年与参考数据集之间的光谱相似性，选择光谱特性相似的样本进行训练样本的生成。使用逐步值的直方图阈值方法确定最佳阈值。选择纯度得分最高的样本作为训练样本。通过非监督分类和样本转移方法获取的训练样本精度达98
博客
解决Chrome浏览器访问https提示“您的连接不是私密连接”的问题
04-21 727
方法优点缺点快速、无需任何配置每次都要手动输入快捷方式参数一劳永逸，自动跳过警告安全性降低，不建议用于正式环境开发过程中绕过证书警告虽然方便，但一定要清楚这样做的安全风险。建议只在本地或受控环境下使用，不要随意跳过生产环境中的证书错误。🧑‍💻你学会了吗？如果你有其他 Chrome 使用技巧，也欢迎在评论区分享交流～
博客
土地利用适宜性（LUS）中的生态适宜性（Suitability Assessment）即生态系统服务（ESs）评价教程
01-04 978
这是一个地区性参数，每一个地方都不一样，调整这个参数是作为复杂的，选取合适的参数对结果很重要，可以参看其他论文的设置，最关键的是要学会自己矫正，在视频https://www.bilibili.com/video/BV1PG4y1P73T/?官方网址：https://www.fao.org/soils-portal/data-hub/soil-maps-and-databases/harmonized-world-soil-database-v12/en/
博客
#GEE代码实例教程详解：Sentinel-2数据的NDWI和NDTI分析
07-09 1005
本篇博客将介绍如何使用Google Earth Engine (GEE) 对Sentinel-2数据进行归一化差异水体指数（NDWI）和归一化差异植被指数（NDTI）的分析。这些指数有助于识别水体和植被覆盖情况。创建多边形区域roi，用于限定分析的地理范围，并设置地图中心。
博客
GEE代码实例教程详解：年度和月度土地覆盖变化分析
07-09 866
在本篇博客中，我们将使用Google Earth Engine (GEE) 对土地覆盖变化进行年度和月度的分析。通过Google的Dynamic World数据集，我们可以识别2023年至2024年间土地覆盖的类型和变化。创建一个点对象loc，用于确定研究区域。定义函数，用于生成时间序列的土地覆盖图像集合。
博客
GEE代码实例教程详解：蒸散发与作物水分胁迫指数分析
07-08 1059
在本篇博客中，我们将使用Google Earth Engine (GEE) 对蒸散发 (Evapotranspiration, ET) 和作物水分胁迫指数 (Crop Water Stress Index, CWSI) 进行分析。通过MODIS数据集，我们可以评估2001年至2024年间的水分状况和作物生长环境。创建一个点对象loc，用于确定研究区域。
博客
GEE代码实例教程详解：植被状况指数（VCI）与干旱监测
07-08 1060
在本篇博客中，我们将使用Google Earth Engine (GEE) 进行植被状况指数（Vegetation Condition Index, VCI）的计算和干旱监测。通过MODIS NDVI数据，我们可以评估2001年至2024年间的植被状况和干旱等级。创建一个点对象point，用于确定研究区域。
博客
GEE代码实例教程详解：湖泊水位变化监测
07-08 926
本篇博客将介绍如何使用Google Earth Engine (GEE) 对湖泊水位变化进行监测。通过MODIS数据集，我们可以识别2001年和2023年的湖泊范围，并计算湖泊的高程变化。创建一个多边形区域roi，用于限定分析的地理范围，并设置地图中心。
博客
GEE代码实例教程详解：长时间序列风速分析
07-08 644
在本篇博客中，我们将使用Google Earth Engine (GEE) 对长时间序列的风速数据进行分析。通过ERA5再分析数据集，我们可以计算2010年至2024年间的平均风速，并与1980年至2020年的风速数据进行比较。创建一个多边形区域roi，用于限定分析的地理范围。
博客
GEE代码实例教程详解：地表温度与土地覆盖类型分析
07-08 804
在本篇博客中，我们将使用Google Earth Engine (GEE) 对地表温度数据进行分析，并探究不同土地覆盖类型（特别是水体和城市区域）的地表温度变化。通过MODIS数据集，我们可以监测2001年至2024年间的数据。创建一个多边形区域roi，用于限定分析的地理范围，并设置地图中心。
博客
GEE代码实例教程详解：MODIS数据雪盖监测与分析
07-08 486
本篇博客将介绍如何使用Google Earth Engine (GEE) 进行雪盖监测和分析。通过MODIS MOD10A1数据集，我们可以识别2010年至2015年间的雪盖范围，并计算其面积。创建一个多边形区域roi，用于限定分析的地理范围，并设置地图中心。
博客
GEE代码实例教程详解：MODIS土地覆盖分类与面积计算
07-08 851
在本篇博客中，我们将使用Google Earth Engine (GEE) 对MODIS土地覆盖数据进行分析。通过MODIS/061/MCD12Q1数据集，我们可以识别不同的土地覆盖类型，并计算每种类型的总面积。创建一个多边形区域roi，用于限定分析的地理范围，并设置地图中心。
博客
GEE代码实例教程详解：地表温度长时间序列分析
07-08 704
在本篇博客中，我们将使用Google Earth Engine (GEE) 对地表温度 (LST) 进行长时间序列分析。通过结合Landsat 4-9的数据，我们将探索1982年至2024年间地表温度的变化趋势。创建一个多边形区域roi，用于限定分析的地理范围，并设置地图中心。
博客
GEE代码实例教程详解：NDVI时间序列趋势分析
07-08 1091
在本篇博客中，我们将使用Google Earth Engine (GEE) 对MODIS NDVI数据进行时间序列趋势分析。通过分析2001年至2021年的NDVI数据，我们可以了解植被覆盖度随时间的变化趋势。创建一个多边形区域roi，用于限定分析的地理范围，并设置地图中心。
博客
GEE代码实例教程详解：长时间序列NDVI分析
07-08 1122
本篇博客将介绍如何使用Google Earth Engine (GEE) 对长时间序列的Landsat数据进行归一化植被指数（NDVI）分析。通过此分析，可以监测和评估1982年至2024年间的植被变化趋势。创建一个多边形区域roi，用于限定分析的地理范围，并设置地图中心。定义函数，用于计算Landsat 4-5和7（SLC正常）的NDVI。定义slc_off函数，用于处理Landsat 7 SLC偏移后的数据。定义ndvi_oli函数，用于计算Landsat 8-9的NDVI。
博客
GEE代码实例教程详解：洪水灾害监测
07-08 763
在本篇博客中，我们将使用Google Earth Engine (GEE) 进行洪水灾害监测。通过分析Sentinel-1雷达数据，我们可以识别特定时间段内的洪水变化情况。创建一个多边形区域roi，用于限定分析的地理范围，并设置地图中心。定义speckel函数，使用局部中值滤波去除Sentinel-1图像的斑点噪声。
博客
GEE代码实例教程详解：地形分析
07-08 659
在本篇博客中，我们将使用Google Earth Engine (GEE) 对特定区域内的地形进行分析。我们将使用SRTM（Shuttle Radar Topography Mission）数据集获取高程信息，并计算坡度、坡向等地形属性。此外，我们还将使用ALOS（Advanced Land Observing Satellite）数据集来分析数字地表模型（DSM）。创建一个多边形区域roi，用于限定分析的地理范围，并设置地图中心。
博客
GEE代码实例教程详解：降水量分类分析
07-08 673
在本篇博客中，我们将使用Google Earth Engine (GEE) 对特定区域内的降水量进行分类分析。通过设定不同的降水量阈值，我们可以将降水量分为干旱、中等和湿润三个类别，并分析这些类别随时间的变化。创建一个多边形区域roi，用于限定分析的地理范围，并设置地图中心。
博客
GEE代码实例教程详解：年平均温度变化分析
07-08 790
在本篇博客中，我们将使用Google Earth Engine (GEE) 分析特定区域内年平均温度随时间的变化。通过分析ECMWF（European Centre for Medium-Range Weather Forecasts）提供的ERA5_LAND数据集，我们可以了解从1950年到2020年的温度趋势。创建一个多边形区域roi，用于限定分析的地理范围，并设置地图中心。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值